[英]pandas unique values multiple columns
df = pd.DataFrame({'Col1': ['Bob', 'Joe', 'Bill', 'Mary', 'Joe'],
'Col2': ['Joe', 'Steve', 'Bob', 'Bob', 'Steve'],
'Col3': np.random.random(5)})
返回“Col1”和“Col2”的唯一值的最佳方法是什么?
所需的 output 是
'Bob', 'Joe', 'Bill', 'Mary', 'Steve'
pd.unique
從輸入數組、DataFrame 列或索引返回唯一值。
此函數的輸入需要是一維的,因此需要組合多個列。 最簡單的方法是選擇您想要的列,然后在扁平化的 NumPy 數組中查看值。 整個操作如下所示:
>>> pd.unique(df[['Col1', 'Col2']].values.ravel('K'))
array(['Bob', 'Joe', 'Bill', 'Mary', 'Steve'], dtype=object)
請注意, ravel()
是一個數組方法,它返回多維數組的視圖(如果可能)。 參數'K'
告訴方法按照元素在內存中的存儲順序展平數組(pandas 通常以Fortran 連續順序存儲底層數組;列在行之前)。 這比使用該方法的默認“C”順序要快得多。
另一種方法是選擇列並將它們傳遞給np.unique
:
>>> np.unique(df[['Col1', 'Col2']].values)
array(['Bill', 'Bob', 'Joe', 'Mary', 'Steve'], dtype=object)
此處無需使用ravel()
,因為該方法處理多維數組。 即便如此,這可能比pd.unique
慢,因為它使用基於排序的算法而不是哈希表來識別唯一值。
對於較大的 DataFrame 來說,速度的差異很顯着(尤其是在只有少數唯一值的情況下):
>>> df1 = pd.concat([df]*100000, ignore_index=True) # DataFrame with 500000 rows
>>> %timeit np.unique(df1[['Col1', 'Col2']].values)
1 loop, best of 3: 1.12 s per loop
>>> %timeit pd.unique(df1[['Col1', 'Col2']].values.ravel('K'))
10 loops, best of 3: 38.9 ms per loop
>>> %timeit pd.unique(df1[['Col1', 'Col2']].values.ravel()) # ravel using C order
10 loops, best of 3: 49.9 ms per loop
我已經在它的列中設置了一個帶有幾個簡單字符串的DataFrame
:
>>> df
a b
0 a g
1 b h
2 d a
3 e e
您可以連接您感興趣的列並調用unique
函數:
>>> pandas.concat([df['a'], df['b']]).unique()
array(['a', 'b', 'd', 'e', 'g', 'h'], dtype=object)
In [5]: set(df.Col1).union(set(df.Col2))
Out[5]: {'Bill', 'Bob', 'Joe', 'Mary', 'Steve'}
或者:
set(df.Col1) | set(df.Col2)
如果使用多列,則使用 numpy v1.13+ 的更新解決方案需要在np.unique 中指定軸,否則數組將被隱式展平。
import numpy as np
np.unique(df[['col1', 'col2']], axis=0)
此更改於 2016 年 11 月引入: https : //github.com/numpy/numpy/commit/1f764dbff7c496d6636dc0430f083ada9ff4e4be
這是另一種方式
import numpy as np
set(np.concatenate(df.values))
非pandas
解決方案:使用 set()。
import pandas as pd
import numpy as np
df = pd.DataFrame({'Col1' : ['Bob', 'Joe', 'Bill', 'Mary', 'Joe'],
'Col2' : ['Joe', 'Steve', 'Bob', 'Bob', 'Steve'],
'Col3' : np.random.random(5)})
print df
print set(df.Col1.append(df.Col2).values)
輸出:
Col1 Col2 Col3
0 Bob Joe 0.201079
1 Joe Steve 0.703279
2 Bill Bob 0.722724
3 Mary Bob 0.093912
4 Joe Steve 0.766027
set(['Steve', 'Bob', 'Bill', 'Joe', 'Mary'])
對於我們這些熱愛熊貓、應用,當然還有 lambda 函數的人:
df['Col3'] = df[['Col1', 'Col2']].apply(lambda x: ''.join(x), axis=1)
list(set(df[['Col1', 'Col2']].as_matrix().reshape((1,-1)).tolist()[0]))
輸出將是 ['Mary', 'Joe', 'Steve', 'Bob', 'Bill']
在給定列名列表的情況下獲取唯一值列表:
cols = ['col1','col2','col3','col4']
unique_l = pd.concat([df[col] for col in cols]).unique()
import pandas as pd
df= pd.DataFrame({'col1':["a","a","b","c","c","d"],'col2':
["x","x","y","y","z","w"],'col3':[1,2,2,3,4,2]})
df
output 是
col1 col2 col3
0 a x 1
1 a x 2
2 b y 2
3 c y 3
4 c z 4
5 d w 2
從所有列中獲取唯一值
a={}
for i in range(df.shape[1]) :
j=df.columns[i]
a[j] = df.iloc[:,i].unique()
for p,q in a.items():
print( f"unique value in {p} are {list(q)} ")
輸出是
unique value in col1 are ['a', 'b', 'c', 'd']
unique value in col2 are ['x', 'y', 'z', 'w']
unique value in col3 are [1, 2, 3, 4]
np.unique(df.values.flatten())
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.